基于因果的方法解释并从自我扩展中学习：综述

这篇综述梳理了面向自我感知、自我进化机器人的因果方法研究，目标是让机器人能向人类给出解释，说明自身动作、计划失败或感知异常的原因。作者指出，仅靠深度学习无法弥合这一缺口，因为黑箱模型中的行为原因不可获取，需要基于更深层推理的底层架构。当解释来自认知过程并与人类共享、验证后，机器人应能将其纳入知识库以改进未来行为。